运行我自己的 WordCount.java 在 Hadoop-2.6.0 中的版本

Question

我正在尝试创建我自己的 wordcount 版本并执行它。为此，我正在尝试通过执行以下命令来创建 wordcount.jar（如此处所述 http://cs.smith.edu/dftwiki/index.php/Hadoop_Tutorial_1_--_Running_WordCount 对于比 Hadoop-2.* 更早的版本）：

javac -classpath /usr/local/hadoop-2.6.0/share/hadoop/common/*:/usr/local/hadoop-2.6.0/share/hadoop/mapreduce/* -d wordcount_classes/ WordCount.java
jar -cvf wordcount.jar -C wordcount_classes/ .

问题是我在尝试编译 wordcount class 时在第一条命令中遇到错误。在第一个命令中，我尝试包含公共目录和 mapreduce 目录中存在的所有 jar，因为我没有找到名称为 "hadoop-0.19.2-core.jar" 的任何 jar，如我在互联网上找到的 hadoop 教程中所述- 0.*

 javac -classpath /home/hadoop/hadoop/hadoop-0.19.2-core.jar -d wordcount_classes WordCount.java

当我按如下方式执行给定的 wordcount 时，它运行完美，但我无法编译我自己的版本：

 hadoop jar /usr/local/hadoop-2.6.0/share/hadoop/mapreduce/hadoop-*-examples-2.6.0.jar wordcount input output

我在互联网上搜索过，但我发现大部分教程都是针对 Hadoop-1.* 的，它不同于不包含任何 java 源文件的 2.6.0 版本，例如 wordcount.java我需要的，也有一个完全不同的结构。因此，我不得不从 https://github.com/apache/hadoop-common/blob/trunk/hadoop-mapreduce-project/hadoop-mapreduce-examples/src/main/java/org/apache/hadoop/examples/WordCount.java 中单独下载 wordcount.java 文件并将 WordCount.java 复制到我执行命令以创建 jar 的当前目录中。

我已经从这个来源下载了 Hadoop http://mirror.its.dal.ca/apache/hadoop/common/hadoop-2.6.0/

这是我得到的错误的详细信息：

  /usr/local/hadoop-2.6.0/share/hadoop/common/hadoop-common-2.6.0.jar(org  /apache/hadoop/fs/Path.class): warning: Cannot find annotation method 'value()' in type 'LimitedPrivate': class file for org.apache.hadoop.classification.InterfaceAudience not found
  WordCount.java:54: error: cannot access Options
String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
                     ^
class file for org.apache.commons.cli.Options not found
WordCount.java:68: error: method waitForCompletion in class Job cannot be applied to given types;
System.exit(job.waitForCompletion() ? 0 : 1);
               ^
required: boolean
found: no arguments
reason: actual and formal argument lists differ in length
Note: WordCount.java uses or overrides a deprecated API.
Note: Recompile with -Xlint:deprecation for details.
2 errors
1 warning

这里还有 WordCount.java :

//package org.apache.hadoop.examples;
package org.myorg;

import java.io.IOException;
import java.util.StringTokenizer;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;

public class WordCount {

public static class TokenizerMapper 
   extends Mapper<Object, Text, Text, IntWritable>{

private final static IntWritable one = new IntWritable(1);
private Text word = new Text();

public void map(Object key, Text value, Context context
                ) throws IOException, InterruptedException {
  StringTokenizer itr = new StringTokenizer(value.toString());
  while (itr.hasMoreTokens()) {
    word.set(itr.nextToken());
    context.write(word, one);
   }
 }
}

public static class IntSumReducer 
   extends Reducer<Text,IntWritable,Text,IntWritable> {
private IntWritable result = new IntWritable();

public void reduce(Text key, Iterable<IntWritable> values, 
                   Context context
                   ) throws IOException, InterruptedException {
  int sum = 0;
  for (IntWritable val : values) {
    sum += val.get();
  }
  result.set(sum);
  context.write(key, result);
  }
}

public static void main(String[] args) throws Exception {
Configuration conf = new Configuration();
String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
if (otherArgs.length != 2) {
  System.err.println("Usage: wordcount <in> <out>");
  System.exit(2);
}
Job job = new Job(conf, "word count");
job.setJarByClass(WordCount.class);
job.setMapperClass(TokenizerMapper.class);
job.setCombinerClass(IntSumReducer.class);
job.setReducerClass(IntSumReducer.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
System.exit(job.waitForCompletion() ? 0 : 1);
 }
}

提前感谢您的帮助

Answer 1

对我来说，这看起来更像是 Java 问题，而不是 Hadoop 问题。我建议使用 Eclipse 和与 Hadoop 2.2.0 版配合使用的 Hadoop Developer Tools。（除非您特别需要 2.6.0）。

你也可以试试 %HADOOP_HOME%\share\hadoop\mapreduce\hadoop-mapreduce-client-core-version_number.jar

您在第 54 行收到的第一条错误消息也可以通过实施 org.apache.hadoop.util.Tool Class info for Tool 来解决我在 Apache docs on options.

找到了这个信息

在第 68 行，您缺少 job.waitForCompletion() 方法调用的参数。我建议将 true 参数传递给此方法。

Answer 2

我通过执行以下操作解决了问题（现在使用 Hadoop-2.6.0 更容易）（有关详细信息，请参阅本教程 http://hadoop.apache.org/docs/current/hadoop-mapreduce-client/hadoop-mapreduce-client-core/MapReduceTutorial.html#Usage）：

将以下内容添加到您的 ~/.profile 文件（不要忘记之后执行 "source ~/.profile"）：

出口JAVA_HOME=/usr/java/default

导出路径=$JAVA_HOME/bin:$路径

export HADOOP_CLASSPATH=$JAVA_HOME/lib/tools.jar # 这个很重要，方便编译你的java classes.
然后我编译 WordCount.java 并创建一个 jar：

$ bin/hadoop com.sun.tools.javac.Main WordCount.java

$ jar cf wc.jar WordCount*.class
然后只需使用这样的命令来执行您的作业：

$ hadoop jar wc.jar WordCount 输入/输出/

Answer 3

试试这个：

javac --classpath `hadoop classpath` .... (rest of command)

在 ubuntu 和 debian 上测试。

这对我来说很好。

Answer 4

在 System.exit(job.waitForCompletion() ? 0 : 1) 处有小幅修正；应该是这样 System.exit(job.waitForCompletion(true) ? 0 : 1); 因为它将 return 布尔值..

Answer 5

我解决了将位于以下位置的 jar 添加到我的 WordCount 项目：share/hadoop/common/lib/commons-cli-1.2.jar

运行我自己的 WordCount.java 在 Hadoop-2.6.0 中的版本

Running my own version of WordCount.java in Hadoop-2.6.0

java

hadoop

mapreduce

jar

word-count

运行 我自己的 WordCount.java 在 Hadoop-2.6.0 中的版本

Running my own version of WordCount.java in Hadoop-2.6.0

java

hadoop

mapreduce

jar

word-count

运行我自己的 WordCount.java 在 Hadoop-2.6.0 中的版本